에 의해서 webmaster | 12월 9, 2024 | 예지보전, 이차전지, 품질관리
육안 검사부터 AI 자율제조까지 – Data CAMP가 함께한 이차전지 제조사의 DX 여정을 소개합니다 Chloe Woo | Content Strategist Toggle 1단계: 데이터 수집/시각화/저장 자동화(1) 웹 기술을 활용한 솔루션(2) 노코드 기반 레시피로 데이터/기능 확장2단계: 데이터 연계 → 생산이력추적3단계: 데이터 분석/AI 연동 → 데이터 기반 의사결정 → 제어4단계: 계측 데이터 수집 → 예측(1) 계측 데이터는 무엇을 말해줄까?(2)...
에 의해서 webmaster | 10월 17, 2024 | 이차전지, 예지보전
원격 시스템 구축으로 배터리 조립 설비의 관제 효율을 300% 높인 사례 Challenge 전기차용 배터리 조립 설비는 규모가 매우 크고 구성이 복잡해, 설비 상태를 모니터링하고 알람에 대처하는 인원이 다수 근무해야 함 그러나 경고 알람의 상당수는 간단한 초기화 동작만으로 해결되는 경알람으로, 사람이 직접 이동해서 대처하는 비효율을 제거할 필요가 있음 목표: 원격 모니터링 및 제어 시스템 구성을 통한 성인화(省人化; 낭비를 제거해 필요 인원을 줄임)...
에 의해서 Chloe Woo | Content Strategist | 5월 20, 2024 | 이차전지, 예지보전
생산 자재 변경으로 인한 검사 ‘데이터 드리프트’를 잡아낸 사례(DQI 모델) Challenge 항상 일정한 광학 이미지가 촬영돼야 모델을 제대로 학습시키고 양/불량 판정 정확도를 높일 수 있음. 그러나 제조 현장의 다양한 요인 변화로 인해 ‘데이터 드리프트’가 발생하면서 생산품에 결함이 없음에도 NG가 발생하는 경우가 잦아 품질 검사 효율이 낮아짐 비용 및 관리 복잡도를 높이지 않으면서 검사 이미지가 제대로 촬영되고 있는지 실시간으로 알 수 있는 방안 필요...
에 의해서 Chloe Woo | Content Strategist | 12월 28, 2023 | 이차전지, 예지보전
‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’ 발생률 감소 이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 검사 이미지 전체 영역을 학습합니다. 실제 생산품의 결함이 아닌, 그 밖의 다른 문제로 인한 과검(1종 오류) 사례일 확률을 추론합니다. Challenge ‘미검’ 0%를 달성하기 위해 검사 기준을 너무 민감하게 설정한 경우, ‘과검(1종 오류)’이 많아짐 과검을 적발하기 위한 무작위 샘플링...
에 의해서 Chloe Woo | Content Strategist | 12월 28, 2023 | 이차전지, 품질관리
이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입 Challenge 파우치형 배터리는 표면 형상의 자유도가 높아 불량의 형태를 특정하기 어려움. 이 때문에 기존 룰 베이스 검사는 물론, 분류나 분할 같은 딥러닝 모델 기반의 결함 검사도 활용하기 어려움 글로벌 진출시 한국과 동일한 숙련 검사 노동자를 구하기 어려워 검사 자동화 도입 요구됨 Approach LISA의 2단계 접근법 (1)...
에 의해서 Chloe Woo | Content Strategist | 12월 22, 2023 | 이차전지, 예지보전
데이터 품질 지표(DQI) 딥러닝 모델로 ‘데이터 드리프트’ 모니터링 및 예지보전 수행 아하랩스의 Data CAMP 솔루션과 검사 이미지의 퀄리티를 분석하는 딥러닝 모델을 활용하면, 카메라와 노후 조명 문제로 이미지를 잘못 촬영해 품질 검사에 실패하는 경우를 미연에 방지할 수 있습니다. Challenge 항상 일정한 광학 이미지가 촬영돼야 모델을 제대로 학습시키고 양/불량 판정 정확도를 높일 수 있음 그러나 카메라 각도가 바뀌거나 조명이...
